DCC-GARCH模型结果求助

按照网上的流程用R构建，用的是rugarch和rmgarch包
uspec1 <-  ugarchspec(variance.model=list(model="sGARCH",
        garchOrder = c(1, 1)),mean.model = list(armaOrder = c(4, 3),include.mean = TRUE))
uspec2 <-  ugarchspec(variance.model=list(model="sGARCH",
        garchOrder = c(1, 1)),mean.model = list(armaOrder = c(4, 2),include.mean = TRUE))
mspec1 <-  multispec(c(uspec1,uspec2))
#----------------DCC设定-----------#
dcc_spec1 = dccspec(mspec1,dccOrder = c(1,1),model="DCC",
                   distribution = c("mvnorm"))
fdcc1 = dccfit(dcc_spec1,V2)


结果dcca1和dccb1都不显著，不知道问题在哪里

*---------------------------------*
*          DCC GARCH Fit          *
*---------------------------------*

Distribution         :  mvnorm
Model                :  DCC(1,1)
No. Parameters       :  24
[VAR GARCH DCC UncQ] : [0+21+2+1]
No. Series           :  2
No. Obs.             :  711
Log-Likelihood       :  4828.884
Av.Log-Likelihood    :  6.79

Optimal Parameters
-----------------------------------
                Estimate  Std. Error   t value Pr(>|t|)
[SSEC].mu       0.000078    0.000348  0.224726 0.822192
[SSEC].ar1     -0.223374    0.272667 -0.819221 0.412660
[SSEC].ar2     -0.206766    0.291395 -0.709575 0.477967
[SSEC].ar3     -0.815207    0.096775 -8.423750 0.000000
[SSEC].ar4      0.029116    0.048296  0.602879 0.546590
[SSEC].ma1      0.206869    0.261722  0.790413 0.429287
[SSEC].ma2      0.206244    0.250438  0.823534 0.410205
[SSEC].ma3      0.825307    0.082933  9.951495 0.000000
[SSEC].omega    0.000001    0.000007  0.119826 0.904621
[SSEC].alpha1   0.063246    0.102121  0.619323 0.535703
[SSEC].beta1    0.930878    0.094006  9.902331 0.000000
[SP500].mu      0.000688    0.000216  3.185538 0.001445
[SP500].ar1    -0.224598    0.106732 -2.104323 0.035350
[SP500].ar2    -0.851248    0.152538 -5.580560 0.000000
[SP500].ar3    -0.077130    0.076943 -1.002430 0.316136
[SP500].ar4     0.026894    0.047591  0.565107 0.572001
[SP500].ma1     0.120269    0.096772  1.242802 0.213941
[SP500].ma2     0.915320    0.131128  6.980356 0.000000
[SP500].omega   0.000004    0.000002  1.526672 0.126843
[SP500].alpha1  0.184031    0.033201  5.542972 0.000000
[SP500].beta1   0.765536    0.046594 16.430042 0.000000
[Joint]dcca1    0.020164    0.017125  1.177492 0.238999
[Joint]dccb1    0.000001    0.311413  0.000004 0.999997

Information Criteria
---------------------

Akaike       -13.516
Bayes        -13.362
Shibata      -13.518
Hannan-Quinn -13.456


Elapsed time : 2.092831

从你参数估计的结果来看，对于SSEC和SP500两个市场，各自的ARMA模型参数估计值中有好几个是不显著的，可以尝试重新设定下两个市场各自的ARMA模型阶数，比如都先分别从AR(1)开始，慢慢去调整，直到你找到合适的结果。

两个市场各自的条件均值模型如果没有被合适地建立，会影响条件均值序列的结果，进而会影响残差序列，然后影响到GARCH模型的参数估计，所以条件波动率序列和标准化残差序列也会被影响，因为rmgarch包使用了rugarch包对各个市场收益率序列的均值和波动率进行建模，建模过程中，ARMA模型和GARCH模型会使用one-step estimation同时进行参数估计，所以前面均值模型规格设定不合理的话会影响后面波动率模型的结果。最后DCC模型需要同时使用所有市场各自ARMA-GARCH建模后的标准化残差序列进行two-step estimation，因此前面部分中，若单一市场里均值/波动率的模型规格设定不合理，也会影响到后面部分DCC的建模。

点赞分享

719812133 发表于 2024-4-14 21:04
从你参数估计的结果来看，对于SSEC和SP500两个市场，各自的ARMA模型参数估计值中有好几个是不显著的，可以 ...

我构建了两组序列ARMA模型，根据AIC得到SSCE（4,3），SP（4,2）。然后我也参考了您的意见，从（0,0）开始一个一个尝试，发现效果都不佳，还没有原来好。
然后我就尝试用Winrats直接做，可以得到Dcc_a1,Dcc_b1显著，但同时多个参数不显著，结果就很难评价。我只能用后者数据，用前者图像。感觉也不太好，但是关于DCC我也只需要一个图像